本发明涉及水体监测,具体为基于水体数值模拟的放射性监测设备布置方法。
背景技术:
1、水体数值模拟是指通过数学模型来模拟和预测水体的行为和特性,这种方法在环境科学、水文科学、海洋科学等领域有着广泛的应用,旨在帮助研究人员更好地理解和控制水体的动态变化;水体数值模拟的基本原理是通过建立数学模型来描述水体的物理、化学和生物过程,这些模型通常基于偏微分方程,通过计算机进行数值求解;可以将连续的水体空间离散化为一系列小的单元,通过求解这些网格上的方程来模拟水体的流动、扩散、反应等过程。
2、在现有技术中,随着城市化进程的加快,水污染问题日益严重,为了保护水资源和公众健康,现已大力推广放射性监测设备的应用;然而,传统的放射性监测设备布置方法存在一定的问题,如:设备布置不合理、无法及时发现污染源等,从而影响了水污染问题解决的进度。
3、因此,不满足现有的需求,对此我们提出了基于水体数值模拟的放射性监测设备布置方法。
技术实现思路
1、本发明的目的在于提供基于水体数值模拟的放射性监测设备布置方法,通过使用有限元法构建可模拟目标污染物在地下介质中的迁移规律和地下目标污染物的迁移模拟模型,从而获得目标区域内目标污染物迁移过程的模拟数据;根据模拟数据确定放射性监测设备的最佳布置位置,并通过放射性监测设备获得目标污染物的监测结果;通过卷积神经网络模型对目标区域内目标污染物进行预测,并将预测结果与监测结果进行比对,由此确保放射性监测设备布置位置的有效性,避免了放射性监测设备布置不合理,无法及时发现污染源等问题,从而加快水污染问题解决的进度,解决了上述背景技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、基于水体数值模拟的放射性监测设备布置方法,包括以下步骤:
4、步骤一、获取目标区域对应的地下目标污染物的属性数据和地下水体环境数据,作为数据样本;属性数据包括:物质的成分、浓度、分布,地下水体环境数据包括:水文地质条件、水流速度;
5、步骤二、基于收集到的属性数据和地下水体环境数据为依据,使用有限元法构建地下目标污染物的迁移模拟模型,用于模拟目标污染物在地下介质中的迁移规律,生成目标污染物迁移过程的模拟数据;
6、步骤三、根据模拟数据确定放射性监测设备的最佳布置位置,通过放射性监测设备对目标区域内的目标污染物进行监测,得到监测结果;
7、步骤四、构建卷积神经网络模型,收集目标区域内的实际数据,并导入卷积神经网络模型对进行预测,并输出预测结果,再将预测结果与监测结果进行比对,验证放射性监测设备布置是否有效,并根据实际需要进行优化调整;
8、步骤五、验证合格后,将最终确定放射性监测设备的最佳布置位置实施到实地,并对放射性监测设备的运行情况进行实时监控,保证放射性监测设备的正常运行。
9、进一步的,所述步骤一中获取目标区域对应的地下目标污染物的属性数据和地下水体环境数据后,具体包括以下步骤:
10、对收集到的属性数据和地下水体环境数据进行预处理,包括:数据清洗、格式转换和异常值处理,清洗数据用于去除数据中的噪声和错误信息,格式转换用于统一数据的格式,处理异常值用于确保数据的准确;
11、将预处理后的属性数据和地下水体环境数据存储于数据库中,以便后续分析和使用,并对存储的属性数据和地下水体环境数据进行深入分析,包括:统计分析、趋势分析,可以使用各种数据分析工具和方法,如统计软件、数据分析库等,用于提取有用的信息和模式,并将分析结果以图表、报告形式进行展示,便于决策者或工作人员理解和使用。
12、进一步的,所述步骤二中基于收集到的属性数据和地下水体环境数据为依据,使用有限元法构建地下目标污染物的迁移模拟模型,具体包括以下步骤:
13、将地下空间离散化为有限个单元,各单元通过节点连接;此步骤类似于有限元法的基本步骤,即:将连续体分割成有限个单元,并为每个单元和节点编号;选择合适的插值函数表示每个单元内的物质浓度或迁移速率,通常涉及选择一个适当的位移函数来描述单元内的位移分布,根据每个单元的物理特性计算单元刚度矩阵和载荷向量,并组装成全局刚度矩阵和载荷向量;根据实际情况,施加适当的边界条件;如:固定边界、流量边界;边界条件对模型的准确性有重要影响;使用数值方法求解线性代数方程组,得到节点的浓度或速率,可使用专业的有限元分析软件;对计算结果进行后处理,包括:可视化展示、数据分析,有助于理解目标污染物在地下环境中的迁移规律。
14、进一步的,所述步骤三中,根据模拟数据确定放射性监测设备的最佳布置位置,具体包括以下步骤:
15、根据模拟数据确立目标污染物迁移的主要路径,以此确保监测的准确性和全面性;对主要路径进行勘探,包括:获取主要路径的地质构造、地下水位,以此减少设备故障的风险;是否存在人类居住区或重要的生态环境区域,以此降低放射性监测设备对周围居住区或环境的影响;并判断主要路径是否靠近主要地下流线上,以此减少维护成本。
16、进一步的,所述步骤四中,通过模拟结果验证放射性监测设备布置是否有效,并根据实际需要进行优化调整,具体包括以下步骤:
17、收集目标区域内的实际数据,包括:辐射浓度、温度、流量、水位;基于收集到的实际数据建立卷积神经网络模型,通过卷积神经网络模型对实际数据进行预测,得到目标区域内是否存在放射性物质的预测结果;再将预测结果与放射性监测设备的监测结果进行比较,若两者之间的差异较小,则说明放射性监测设备布置是有效的;若两者之间的差异较大,则说明放射性监测设备布置存在问题;并对放射性监测设备及其位置分布进行分析,并找出导致设备布置无效的原因包括:因为设备布置的位置不正确、监测频率不合适或是监测方法本身的问题;根据分析结果,对放射性监测设备布置进行改进再重新进行预测,并重复比较预测结果与监测数据的差异,直至放射性监设备布置合格为止;
18、收集目标区域内的实际数据后,具体包括以下步骤:
19、对实际数据进行清洗,并将清洗后的实际数据划分为训练集和测试集,训练集用于对卷积神经网络模型进行训练,并确立卷积神经网络模型的特征集和训练结果,测试集用于对卷积神经网络模型进行测试,并对训练结果进行验证,确保卷积神经网络模型预测能力的准确性。
20、进一步的,将预处理后的属性数据和地下水体环境数据存储于数据库中后,具体包括以下步骤:
21、对存储的确保属性数据和地下水体环境数据设定安全权限,包括:采用非对称密钥锁定数据库的访问权,决策者或工作人员根据预定的一级密钥和二级密钥对数据库进行解锁,获得属性数据和地下水体环境数据的访问权;采用数字签名法对属性数据和地下水体环境数据进行加密处理,确保数据的安全和易于访问;
22、决策者或工作人员根据预定的一级密钥和二级密钥对数据库进行解锁,一级密钥为:用户登录账户和密码,二级密钥为:存储方自设的私钥。
23、进一步的,采用数字签名法对属性数据和地下水体环境数据进行加密处理,具体包括以下步骤:
24、存储方和访问方共享数据库的一级密钥,存储方使用哈希算法对原始的属性数据和地下水体环境数据进行处理,生成固定长度的数据摘要;存储方通过二级密钥对数据摘要进行加密得到数字签名,存储方将原始数据和数字签名同步发送至访问方;访问方使用一级密钥对数字签名进行解密,得到数据摘要;访问方再采用相同的哈希算法进行计算摘要,并比较解密得到的数据摘要和自己计算的数据摘要是否一致;若两者一致,则说明数据库中的内容未被篡改;若两者不一致,则说明数据库中的内容被篡改。
25、进一步的,将地下空间离散化为有限个单元前,具体包括以下步骤:
26、明确研究的目标污染物及其在地下环境中的迁移路径和影响因素,包括:确定目标污染物的化学性质、迁移介质如:土壤、地下水等的物理化学性质以及可能的迁移路径。
27、进一步的,基于水体数值模拟的放射性监测设备布置方法还包括:
28、建立目标区域的立体坐标系,将放射性监测设备布局位置导入立体坐标系,采用坐标对各个放射性监测设备进行位置标定;
29、放射性监测设备通过周向扫描进行周边检测,当检测到带放射性的目标污染物时,通过坐标确定各个放射性监测设备接收到的目标污染物检测信号高峰值方向;
30、根据不同放射性监测设备检测到的高峰值方向进行综合分析,确定各目标污染物所在子区域和目标污染物数量;
31、确定距离子区域最近且位置不在同一直线上的三个放射性监测设备,通过对这三个放射性监测设备接收到的子区域方向检测信号强度分析,得到子区域范围中目标污染物的实时定位。
32、进一步的,基于水体数值模拟的放射性监测设备布置方法还包括:
33、持续记录放射性监测设备检测得到的各目标污染物的实时定位,绘制各目标污染物的随时间变化的实时定位变化坐标轨迹;
34、根据各目标污染物的第一个实时定位,结合步骤二模拟的目标污染物在地下介质中的迁移规律绘制得到各目标污染物的模拟迁移轨迹;
35、采用以下算法进行各目标污染物的模拟迁移轨迹和实时定位变化坐标轨迹对比:
36、
37、
38、其中,为t时刻对应的目标污染物的模拟迁移轨迹坐标点和实时定位变化坐标轨迹坐标点的向量长度,为t时刻对应的目标污染物的实时定位变化坐标轨迹坐标点的坐标向量,为t时刻对应的目标污染物的模拟迁移轨迹坐标点的坐标向量,为相邻时刻点对应的模拟迁移轨迹坐标点和实时定位变化坐标轨迹坐标点连线的坐标向量角度变化量,为t+1时刻对应的模拟迁移轨迹坐标点和实时定位变化坐标轨迹坐标点连线的坐标向量角度;为t时刻对应的模拟迁移轨迹坐标点和实时定位变化坐标轨迹坐标点连线的坐标向量角度;
39、当存在向量长度大于长度阈值,或者坐标向量角度变化量大于角度变化阈值时,结合属性数据和地下水体环境数据进行影响分析,根据影响分析结果对有限元法构建的迁移模拟模型进行适用性调整。
40、与现有技术相比,本发明的有益效果是:
41、本发明,通过使用有限元法构建可模拟目标污染物在地下介质中的迁移规律地下目标污染物的迁移模拟模型,从而获得目标区域内目标污染物迁移过程的模拟数据;根据模拟数据确定放射性监测设备的最佳布置位置,并通过放射性监测设备获得目标污染物的监测结果;通过卷积神经网络模型对目标区域内目标污染物进行预测,并将预测结果与监测结果进行比对,由此确保放射性监测设备布置位置的有效性,避免了放射性监测设备布置不合理,无法及时发现污染源等问题,从而加快水污染问题解决的进度。